在上海举行的2023 inclusion·外滩大会，吸引了多家金融大模型厂商参会，探讨大模型技术从基础大模型走向行业大模型的机会和挑战。
(资料图片)
多位金融领域的专家指出，大模型对整个金融体系的影响是长期的，但金融业对精准度、可控性、安全等都有很高的要求，而当下大模型仍无法解决幻觉问题——不准确或误导性的输出，影响了其应用落地。要解决这一点，应注重知识图谱技术与大模型技术的融合，并重视传统小模型的协同作用，不管是重底座、轻应用，还是重应用、轻底座，都是错误的。
▍大模型对金融体系将产生长期影响
相关研究数据显示，目前国内参数在10亿规模以上的大模型数量已有116个，其中金融行业大模型约18个。蚂蚁集团、度小满、恒生电子、同花顺等已经在积极研发金融大模型。
有业内分析认为，中国金融机构经历互联网、移动互联网两大浪潮之后，如今正迎接第三波大模型浪潮。
中国社科院国家金融与发展实验室副主任杨涛在会上表示，大模型对整个金融体系的影响是一个长期的过程，而短期内在某些方面已经体现了一些价值：
一是在提升面向客户的服务能力方面，可为金融机构员工的专业化营销、渠道维护提供更加智能化的间接支持。
二是在改善机构工作流程与效率方面，可进一步提升业务链条智能化与办公模式的自动化。
三是在文本处理方面，对金融机构的一般文本、专业合规文件及业务所需的信息，都能更低成本、高效地提供技术支持。
四是对金融机构实现了IT支持，其代码生成的功能提升了IT基础工作的效率。
平安集团首席科学家肖京介也分享了正在开展的大模型和AIGC实践。肖京介透露，平安集团有几十万业务员，每个业务员可以通过人工智能生成多个高清数字人，从而拥有自己的数字分身，提高营销能力。
在客户服务方面，平安集团的语音机器人去年总计服务了26亿次客户，约占客服业务的81%。在保险理赔方面，借助AI技术实现98.6%的案件一天内赔付。在风控领域，通过人脸和声音等身份识别技术来反欺诈，并对债券、投资或二级市场投资等领域可能出现的风险，借助智能系统进行防范和预警。
不过，大模型本身能力仍有很多地方待改进。
肖京介指出，不管是精准度、可控性、安全等很多地方需要不断进步。此外，在投产价值上，大模型的一大弊端是成本很高。“企业做任何工作都要考虑产出，不能只看投入。而生成式大模型虽然在业务场景中逐渐出现成效，但还没有呈现出规模化的效应。”
▍大模型、小模型互相协同
复旦大学教授、上海市数据科学重点实验室主任肖仰华提到，“大模型的出现颠覆了认知。让我们发现行业的很多问题恰恰是建立在通用的认知能力基础上。没有通识能力，是不可能发展出专业认知能力。”
但是，通用大模型的行业适配和优化的道路才刚刚开始。“大模型在金融领域的应用属于复杂决策任务，要比ChatGPT这一类开放闲聊的任务，困难得多。通用模型里面的专业知识是远远不够的。为此，大模型需要进行面向领域的训练优化，提升大模型的行业认知能力。” 肖仰华称。
其中，特别要注重大模型与知识图谱的协同。肖仰华认为，知识图谱擅长表达的是专业知识、私密知识，和可理解、可控的符号知识，这与大模型所表达的参数化、不可理解的知识是紧密的互补关系，可以缓解大模型的幻觉问题。
此外，企业还需从知识、能力、价值三方面重新架构自身系统。在这个过程当中，尤其要重视传统小模型的价值。“传统的分类模型、预测模型依然有用，我们真正要做的是把大模型、小模型协同起来。实际上小模型的插件应用，可显著地补足通用大模型能力的不足。重底座、轻应用和重应用、轻底座，都是在行业里使用大模型的错误。两者我们要兼顾，把大模型、小模型协同好。”
▍大模型就像“鹦鹉学舌” 数理能力有待提升
蚂蚁集团CTO何征宇在接受《科创板日报》记者采访时表示，AI大模型在语言文字上有较强的表现，但在数理逻辑上仍有差距。
何征宇把大模型比喻为一只大号的鹦鹉。“现在，大模型学习东西的过程，就像是鹦鹉学舌。人类不断重复告诉大模型1+1=2，通过一段时间地训练，它可以说人话、告诉你答案。但并不意味着真的理解了，特别在逻辑推断、数理分析方面，你想想一只鹦鹉怎么可能做好量化分析？”
蚂蚁集团副总裁、金融大模型负责人王晓航则在采访中坦言，金融对知识专业性、逻辑的严谨性，以及合规性都要求很高。原生大模型距离金融行业的要求还有很大的鸿沟，如何防止大模型出现幻觉，并没有很好的办法。
“为此，我们采用了知识图谱的结构化数据，与大模型参数化数据相结合双驱动方式。希望通过积累的大规模金融领域的知识图谱，能确保大模型的专业和严谨性。通过知识的注入、一致性的对齐，在生成完后，对真实和一致性进行判别，这是一个系统化的过程。”
王晓航认为，当下金融业还没有成熟到可以全面驾驭大模型所带来的机会。“这依赖金融科技公司，金融体系内部的科技力量，能够把技术转化成产品、转化成平台。我判断，这还需要大概1、2年的时间。”
以上为犀牛之星转载内容，如有侵权，请联系我们删除。
